使用 BEVRestore 解决高分辨率鸟瞰图地图构建中的训练成本发散问题
计算机视觉与模式识别
2024-08-23 v4 人工智能
摘要
近年来，用于地图构建的鸟瞰图（BEV）融合技术取得了显著进展，展示了卓越的城市环境映射能力。然而，其深层且庞大的架构会导致大量的反向传播内存和计算延迟。因此，这一问题在构建高分辨率（HR）BEV 地图时构成了不可避免的瓶颈，因为其大尺寸特征会导致包括 GPU 内存消耗和计算延迟在内的成本显著增加，这被称为训练成本发散问题。受此问题影响，大多数现有方法采用低分辨率（LR）BEV，并难以估计道路车道和人行道等城市场景组件的精确位置。由于这种不精确性会导致诸如避碰等高风险的运动规划，训练成本发散问题必须得到解决。在本文中，我们利用新颖的 BEVRestore 机制来解决这一问题。具体而言，我们提出的模型将每个传感器的特征编码到 LR BEV 空间，并将其恢复到 HR 空间，以建立一种内存高效的地图构建器。为此，我们引入了 BEV 恢复策略，该策略恢复了上采样 BEV 特征的混叠和块状伪影，并缩小了标签的宽度。我们的大量实验表明，所提出的机制提供了一种即插即用、内存高效的流程，支持大范围 BEV 视野下的 HR 地图构建。
引用
@article{arxiv.2405.01016,
title = {Addressing Diverging Training Costs using BEVRestore for High-resolution Bird's Eye View Map Construction},
author = {Minsu Kim and Giseop Kim and Sunwook Choi},
journal= {arXiv preprint arXiv:2405.01016},
year = {2024}
}